假设，我有一组 RGB 图像的训练集，所有图像的位深度均为 8。我将这些图像传递到CNN中，我得到的训练集精度为"X"。
现在，我以 16 和 32 的位深度获取相同的图像，并将其传递到同一个网络，然后从头开始再次训练网络。 "X"会有什么变化吗？
图像中的额外可用信息对CNN有什么影响吗？
位深度越高，图像应包含的信息就越多。
因此，如果您要将 32 或 16 位图像转换为 8 位图像，则会丢失信息。这意味着您丢弃了一些可能导致模型准确性下降的信息。
但是，情况并非总是如此。这取决于您的数据以及您希望模型学习的模式类型。也可能是您的模型不需要该额外信息，并且能够比更高位深度图像更好地推广到 8 位图像。因此，您可以通过使用 8 位深度图像来节省一些处理时间和内存。
由于没有关于数据集分布的信息，我只能建议您在所有位深度上训练模型，然后自己看看哪一个效果最好。